在R中为K-Prototype聚类生成类似clusplot的类簇可视化

嗨，刚接触K-Prototype就能想到要做可视化，这点很棒！因为混合类型数据的聚类可视化确实比纯数值数据麻烦一点，但我们可以通过两种方式来实现类似clusplot的效果——一种是看聚类的特征轮廓，另一种是做降维后的聚类分布散点图：

1. 先完善你的K-Prototype模型代码 #

首先确保你的模型能稳定运行，lambda参数设为NULL时，函数会自动根据数据中分类变量的占比计算权重；你也可以手动调整（比如lambda=0.5，平衡连续和分类变量的影响）。另外keep.data=TRUE一定要保留，这样后续可视化能调用原始数据：

install.packages("clustMixType")
install.packages("cluster") # 后续计算Gower距离会用到
install.packages("ggplot2") # 制作美观的散点图
library(clustMixType)
library(cluster)
library(ggplot2)

# 读取客户数据
data = read.csv("customerdata.csv", header = TRUE)

# 训练K-Prototype模型（建议nstart设大一点，避免局部最优）
kproto = kproto(data, k=5, lambda = NULL, iter.max = 100, nstart = 5, keep.data = TRUE)

2. 方法一：用clprofiles绘制聚类特征轮廓图 #

这是clustMixType包自带的可视化工具，能直接展示每个聚类在连续变量上的均值和分类变量上的众数，帮你快速理解每个聚类的核心特征，类似clusplot里的特征展示部分：

# 绘制聚类轮廓图，用自定义颜色区分不同聚类
clprofiles(kproto, data, 
           col = c("#E69F00", "#56B4E9", "#009E73", "#F0E442", "#0072B2"),
           main = "K-Prototype 聚类特征轮廓",
           las = 2) # las=2让纵轴标签垂直，避免文字重叠

这个图会把每个变量的特征按聚类分组展示：连续变量用折线呈现均值变化，分类变量用柱状图展示众数占比，非常直观。

3. 方法二：制作类似clusplot的降维散点图 #

如果你想要像clusplot那样把高维数据降到2维，直观展示聚类的分布和边界，可以按以下步骤操作：

步骤3.1 计算混合数据的Gower距离 #

K-Prototype本身基于混合数据的距离逻辑，我们用Gower距离匹配模型的计算规则：

# 计算Gower距离矩阵（适配混合类型数据）
gower_dist = daisy(data, metric = "gower")

步骤3.2 用MDS做降维（得到2维坐标） #

MDS（多维缩放）适合基于距离矩阵的降维，能最大程度保留样本间的相对距离关系：

# 执行MDS降维，得到2维坐标
mds = cmdscale(gower_dist, k=2)
# 把坐标转成数据框，方便后续绘图
mds_df = data.frame(
  Dim1 = mds[,1],
  Dim2 = mds[,2],
  Cluster = as.factor(kproto$cluster)
)

步骤3.3 绘制类似clusplot的散点图 #

用ggplot2绘制美观的散点图，添加聚类中心和置信椭圆，模拟clusplot的效果：

# 计算每个聚类的MDS中心
cluster_centers = aggregate(cbind(Dim1, Dim2) ~ Cluster, data = mds_df, FUN = mean)

# 绘制散点图
ggplot(mds_df, aes(x=Dim1, y=Dim2, color=Cluster)) +
  geom_point(size=2, alpha=0.7) + # 绘制样本点
  geom_point(data=cluster_centers, aes(x=Dim1, y=Dim2), size=5, shape=8) + # 标记聚类中心
  stat_ellipse(level=0.68, linetype=2) + # 添加聚类置信椭圆（类似clusplot的边界）
  labs(title="K-Prototype 聚类2维可视化（MDS降维）",
       x="维度1", y="维度2") +
  theme_minimal() +
  scale_color_manual(values = c("#E69F00", "#56B4E9", "#009E73", "#F0E442", "#0072B2"))

这个图就和clusplot的核心效果一致了——能直观看到不同聚类在2维空间的分布，椭圆可以帮你判断聚类的紧凑程度。

小提示 #

• 如果你的数据里分类变量占比很高，也可以先用MCA（多重对应分析）处理分类变量，再和PCA处理的连续变量结果合并，但Gower距离+MDS的方法更通用，适配所有混合类型数据场景。
• nstart参数建议设为5或10，能让K-Prototype找到更优的聚类结果，避免陷入局部最优解。

内容的提问来源于stack exchange，提问作者Marshall Gu